Master-Praktikum - Maschinelles Lernen für Anwendungen der natürlichen Sprachverarbeitung (IN2106, IN4249)
Master Lab Course - Machine Learning for Natural Language Processing Applications (IN2106, IN4249)
Lehrveranstaltung 0000004166 im SS 2020
Basisdaten
| LV-Art | Praktikum |
|---|---|
| Umfang | 6 SWS |
| betreuende Organisation | Informatik 2 - Lehrstuhl für Sprachen und Beschreibungsstrukturen in der Informatik (Prof. Seidl) |
| Dozent(inn)en |
Gerhard Johann Hagerer Maximilian Wich Monika Wintergerst Leitung/Koordination: Georg Groh |
| Termine |
Mo, 09:00–11:00, MI 03.09.012 sowie 1 einzelner oder verschobener Termin |
Zuordnung zu Modulen
-
IN2106: Master-Praktikum / Advanced Practical Course
Dieses Modul ist in den folgenden Katalogen enthalten:- weitere Module aus anderen Fachrichtungen
weitere Informationen
Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).
| ergänzende Hinweise | Menschen verwenden in steigendem Maße textbasierte Kommunikationsformen u.a. in sozialen Medien, um Eindrücke unseres Alltags auszutauschen oder um Anregungen für den individuellen Lebenstil zu erhalten. Infolgedessen steht eine Vielzahl von Textdaten online zur Verfügung, die zahlreiche Informationen zu verschiedenen Themen enthalten. Daraus ergeben sich neue Anwendungsfälle, welche Implikationen für die Forschung des maschinellen Lernens im Bereich der natürlichen Sprachverarbeitung aufweisen. Zu diesem Zwecke erscheinen die jüngsten Fortschritte in diesem technischen Bereich vielversprechend, da sie das menschliche Verständnis von Text nachahmen, indem sie universelles semantisches Wissen aus großen Textressourcen aufnehmen und extrahieren. Daher bieten wir entsprechende Forschungsliteratur an, auf deren Grundlage die Studierenden modernste Methoden verwenden. Diese beziehen potenziell neuronale Netze ein und beinhalten unter anderem semantische Einbettungen, Aufmerksamkeitsmechanismen, Transferlernen, Clustering-Algorithmen sowie unüberwachte und überwachte Ansätze. Das Praktikum ist inhaltlich und organisatorisch gegliedert in drei unterschiedliche Anwendungsgebiete: - Textbasierte Dialogsysteme und Auswechslung von Rezeptzutaten für virtuelle Ernährungsberater - Text-Mining für die quantitative Unterstützung von Meinungsforschung auf Textdaten aus sozialen Medien - Erklärbare künstliche Intelligenz und Erkennung von Hassrede auf Textdaten aus sozialen Medien |
|---|---|
| Links |
E-Learning-Kurs (z. B. Moodle) TUMonline-Eintrag |